نتایج غیرمنتظره یک مطالعه: دستیاران کدنویسی هوش مصنوعی، کندکننده توسعه دهندگان

این تحقیق، که توسط پژوهشگران دانشگاه MIT و هاروارد انجام شد، به مرور تأثیر دستیاران هوش مصنوعی بر مهندسان با سطوح تجربه متفاوت پرداخت.

فرضیه سنتی: ابزارهایی مانند Copilot کارهای تکراری را خودکار می‌کنند و به توسعه‌دهنده اجازه می‌دهند روی مسائل پیچیده‌تر تمرکز کند.

برآیند غیرمنتظره برای حرفه‌ای‌ها: در بخش‌هایی که نیاز به دقت بالا و حل مسائل پیچیده وجود داشت، توسعه‌دهندگان باتجربه هنگام استفاده از ابزارهای هوش مصنوعی، کارایی ضعیف‌تری نسبت به زمانی داشتند که به‌تنهایی کار می‌کردند.

محققان چندین دلیل را برای این پدیده در مهندسان باتجربه شناسایی کردند:

عاملشرح

۱. افت اعتمادمهندسان باتجربه زمان زیادی را صرف ارزیابی و رفع اشکالات کدهای پیشنهادی هوش مصنوعی می‌کنند. بازبینی (Reviewing) کد هوش مصنوعی وقت‌گیرتر از نوشتن کد از صفر برای آن‌هاست.

۲. اتکای بیش از حداین گروه از توسعه‌دهندگان گاهی بیش از حد به خروجی هوش مصنوعی اعتماد می‌کنند و بدون ارزیابی دقیق، کدهای معیوب را وارد پروژه می‌کنند، که در نهایت منجر به اشکال‌زدایی (Debugging) طولانی‌تر می‌شود.

۳. ناهماهنگی استراتژیکهوش مصنوعی غالباً راه‌حل‌هایی عمومی و استاندارد پیشنهاد می‌دهد که با ساختار پیچیده و معماری خاص پروژه‌های بزرگ همخوانی ندارد. مهندسان مجبورند کد تولیدی را با چارچوب موجود هماهنگ کنند که سرعت آن‌ها را می‌کاهد.

نقطه مقابل، این ابزارها برای توسعه‌دهندگان مبتدی و تازه‌کار بسیار سودمند بوده‌اند. هوش مصنوعی به آن‌ها کمک می‌کند تا:

با سرعت‌تر با زبان‌های برنامه‌نویسی به‌روز آشنا شوند.

کدهای boilerplate (کدهای قالبی و تکراری) را به‌سرعت تولید کنند.

از پس وظایف مقدماتی و ساده برآیند.

حاصل‌گیری پژوهشگران:

این مطالعه تأیید می‌کند که هوش مصنوعی ابزار قدرتمندی است، اما نحوه استفاده از آن باید بر پایه سطح تجربه کاربر تنظیم شود. ابزارهای کدنویسی هوش مصنوعی به تنهایی تضمین‌کننده بهره‌وری نیستند و در سطوح حرفه‌ای، می‌توانند یک عامل حواس‌پرتی و اتلاف وقت محسوب شوند.